我一直在尝试使用python从网页中抓取数据,到目前为止一直很好。但问题是页面没有立即加载所有内容,还有一个“显示更多”按钮。所以我的脚本只刮了前10个项目。 我看过这个网站,我无法用网址做什么。我想我必须在服务器上发布一些内容才能找回下一个项目,但我不知道要发布什么以及如何发布。有我的代码:
res = requests.get('https://candidat.pole-emploi.fr/offres/recherche?motsCles=serveur&offresPartenaires=true&rayon=20&tri=0')
page_soup = bs4.BeautifulSoup(res.text,"html.parser")
containers = page_soup.findAll("div",{"class":"media-body"})
url = []
for container in containers:
url.append('https://candidat.pole-emploi.fr' +container.h2.a["href"])
for i in url:
print(i)
email_list = []
for adress in url:
print( ' testing ', adress)
found = False
detail = requests.get(adress)
apply = bs4.BeautifulSoup(detail.text,"html.parser")
apply_mail = apply.findAll("div",{"class":"apply-block"})
if apply_mail == []:
email_list.append('not found')
continue
email_raw = apply_mail[0].text
for i in email_raw.splitlines():
if '@' in i:
email_list.append(i)
found = True
if not found:
email_list.append('not found')
for i in email_list:
print(i)
答案 0 :(得分:1)
您可以使用Beuatifulsoup
或其他http
请求库废弃的唯一数据是在没有Javascirpt
的情况下启动时可用的数据。它与执行curl $URL
和解析数据相同。
解决此问题的一种方法是使用selenium
webdriver和
编程与用户在浏览器上执行的操作相同的操作。
可以找到更多信息